1 信号获取
心电信号获取是通过放置在体表的标准电极，捕捉心脏在一段时间内产生的电活动经人体传导后形成的电位变化，利用多导联系统（3/5/6/12 导联系统）从不同空间角度（身体部位）记录这些变化，再转化为可分析的心电图波形。
心电图中的信息以波形以及波形之间的时间间隔的形式呈现出来。在正常的心电图记录中，波形被依次命名为 P 波、Q 波、R 波、S 波和 T 波，其命名顺序遵循字母顺序。通常情况下波形会以周期性的方式重复出现。而任何波形形状的异常变化或波形之间时间间隔的异常变化，都被视为心律失常。
从另一个角度来看，心电图实际上只是一组数字，每个数字都代表着相应的振幅值，因此可以通过分析算法来处理这些心电图数据。
分析这些心电数据的前提是要能获取到原始 ECG 数据，通过上述电极采集后的数据接下来就要进入预处理阶段。
2 预处理
预处理的目标是提高信号质量，是后续的分析结果可靠的基础。例如要提高心血管疾病诊断准确性，首先就是要确保心电图数据的可靠性。而基线漂移、电源线干扰以及肌肉活动带来的干扰等因素，会严重破坏心电图数据的完整性。
2.1 噪声去除
临床分析的质量往往会受到多种干扰因素的影响，尤其是基线漂移、电源线干扰以及肌肉活动带来的信号失真等因素，都会对心电图数据的准确性产生严重影响。
- **基线漂移（Baseline Wander）**是由患者呼吸或运动引起的低频（通常<1 Hz）干扰
- **电源线干扰（Powerline Interference）**是交流电源中 50/60 Hz 及其谐波的工频干扰
- **肌电噪声（Electromyographic Noise）**是肌肉活动产生的高频噪声，频谱与 ECG 有重叠
滤波技术
传统的滤波技术在处理心电图信号中的噪声时仍然具有重要意义，现在依然经常使用具有低通、高通和带通功能的滤波器来去除那些不需要的频率成分。
- 高通滤波（High-pass Filtering）：用于去除基线漂移，需注意选择截止频率（通常略低于 1 Hz）和相位响应（常使用具有线性相位的 FIR 滤波器或前向 - 后向 IIR 滤波以实现零相位失真）
- 带阻滤波（Band-stop/Notch Filtering）：用于去除电源线干扰，可采用线性或非线性结构滤波器以减少 QRS 波瞬态响应的影响
- 低通滤波（Low-pass Filtering）：用于平滑信号，去除高频噪声
小波去噪技术
通过运用小波变换，可以利用多分辨率分析技术识别并消除存在于不同尺度上的噪声成分。但在区分生理变化与异常信号成分时，其区分能力可能会受到限制。
自适应滤波
通过不断根据信号的特性调整滤波参数，自适应滤波技术为噪声抑制提供了一种动态的处理方法，适用于处理非平稳噪声。实践证明，自适应滤波在有效减少肌肉活动引起的干扰信号以及基线漂移方面具有显著效果。自适应滤波虽然具有动态调整的能力，但其效果在很大程度上取决于参数调整的精确程度，如果参数设置不准确，就可能会留下残余噪声，甚至导致重要的信号信息被丢失。
2.2 基线校正
为了尽量减少那些并非由心脏活动引起的 ECG 波形变化，就必须消除基线漂移现象（ST 段发生的细微变化以诊断心肌缺血时很有用)，基线漂移的频率通常处于 0.5 赫兹以下，如果患者身体的活动幅度增大，基线漂移的频率也会进一步升高。
上图 (a) 中 由于身体突然移动，导致心电图基线发生偏移，基线偏移的幅度明显大于 QRS 波群的幅度；(b) 中所示心电图信号的放大图（放大倍数为 10 倍）；通过将三次样条函数拟合到这些数据点上，得出了估计出的基线值；经过校正后的心电图信号也被标示出来。
高通滤波
通过高通滤波技术，与心脏活动相关的较高频率成分能够被有效剔除。
